ラジャン・コーリ CEO of CitiusTech – インタビュー シリーズ

ラジャン・コーリは、CitiusTech の CEO であり、会社の戦略的方向を担当し、ヘルスケア技術のイノベーションを加速し、クライアントに長期的な価値を提供する CitiusTech の使命を推進する責任があります。ラジャンは、デジタル変革、アプリケーションおよびエンジニアリング サービスに経験を持つ、非常に優れた技術サービス業界のエグゼクティブです。

CitiusTech に入社する前、ラジャンは 27 年間 Wipro で働き、最近では Wipro の iDEAS (統合デジタル、エンジニアリングおよびアプリケーション サービス) ビジネスの社長を務めていました。彼は、6 億ドル規模のグローバル ビジネス ラインを率い、世界中のクライアントがデジタル製品、サービス、体験を構築および提供する方法を変えるために変革を加速することに尽力しました。

CitiusTech は、ヘルスケアおよびライフサイエンス企業向けのコンサルティングおよびデジタル テクノロジーの主要提供者です。世界をリードするペイアー、プロバイダー、メドテック、およびライフサイエンス企業の戦略パートナーとして、CitiusTech はイノベーション、ビジネス変革、および業界横断的収束を推進しています。彼らは、デジタル イノベーションの加速、持続可能な価値の創出、およびヘルスケア エコシステム全体での成果の改善に、深く意味のある役割を果たしています。

ヘルスケアおよびライフサイエンス組織でデジタル変革戦略を成功裏に実施するために必要な主な要素は何ですか?

ヘルスケア業界は、デジタル ソリューションの採用に苦労してきましたが、時折成功したデジタル変革の旅が何年にもわたって発生してきました。しかし、技術が患者ケアの新たな飛躍を促進する準備が整った今、業界はこれらの課題を克服する必要があります。

デジタル変革には、すべての専門分野でヘルスケアに肯定的な影響を与える可能性があります。たとえば、特性薬製造業者は、さまざまな利害関係者やエコシステムからのさまざまな要件に応えるために、複数の要件をバランスさせています。利害関係者やエコシステムの複雑なネットワークをナビゲートすることは容易ではなく、多くの業者はこれらの責任を製薬業者から管理し、クライアントと薬のパフォーマンスを最適化するために、患者サポート ハブ サービスを活用しています。しかし、患者ハブ サービスは、ボリュームの増加により、スケーラビリティと効率性の面で課題に直面しています。多くの特性薬製造業者は、運用を合理化し、全体的な効率性を高めるために、デジタル変革戦略を採用する必要があります。

ヘルスケアおよびライフサイエンスでデジタル変革を実施するには、3 つの側面を持つ多面的なアプローチが必要です。

• リーダーシップのコミットメントは、これらのイニシアチブを推進し、維持するために不可欠です。戦略目標との一致と、上から下へのエンドースメントを確保するには、明確なビジョンとロードマップを作成し、特定の目標とマイルストーンを概説する必要があります。また、技術と革新的なソリューションに投資する必要があります。
• 堅牢なデータ管理は、もう 1 つの重要な要素です。強力な情報管理フレームワークを確立することで、データの品質、セキュリティ、および規制遵守を確保できます。これには、データ標準、ポリシー、およびデータ管理のプロセスを定義すること、および高度な分析およびビッグデータ テクノロジーを使用してヘルスケア データから有意義な洞察を抽出することが含まれます。
• 相互運用性は、デジタル変革に不可欠です。HL7、FHIR、および DICOM などの業界標準の採用は、さまざまなシステムおよびプラットフォーム間でシームレスなデータ交換を促進します。統合プラットフォームおよびミドルウェア ソリューションを使用して、異なるシステムをブリッジし、組織全体でスムーズなデータ フローおよびコミュニケーションを確保できます。相互運用性を全面的に採用することで、組織はより効率的、効果的、患者中心のヘルスケア提供を推進できます。

しかし、最終的には、デジタル変革は患者から始まり、患者で終わります。ヘルスケア組織は、プロセスを自動化できますが、患者への体験や価値を変えなければ、成功することは難しいでしょう。患者中心のアプローチと、患者参加を高め、ケアへのアクセスを改善し、パーソナライズされた治療計画を可能にするデジタル ヘルス ソリューションの実装は不可欠です。

生成型 AI は現在、ヘルスケア治療を強化し、患者結果を改善するためにどのように使用されていますか?

生成型 (Gen) AI は、ヘルスケア エコシステム全体で変革的な利点を提供します。ヘルスケア業界では、多くの普遍的な課題が人間と機械の効果的な相互作用の欠如に起因するため、Gen AI はこのギャップを埋め、ヘルスケアを真正に民主化する可能性があります。

これは、特に個別化医療の場合に当てはまります。特定の患者に合わせた治療計画を手動で開発することは困難で時間がかかる場合があります。Gen AI を活用することで、アルゴリズムは遺伝子データと患者履歴を分析して、個人の独自の遺伝子構成と医療歴に合わせた個別の治療計画を作成します。治療計画が確立されると、患者は AI パワーのバーチャルヘルス アシスタントに 24 時間 7 日間アクセスでき、医療アドバイス、症状の確認、およびアポイントメントのスケジュール設定が可能になり、患者参加、効果的な治療、および患者結果が改善されます。

Gen AI は、薬剤承認および発売プロセスの加速にも重要な役割を果たしています。パンデミックは、AI の能力によって推進される迅速な薬剤開発の潜在力を示しました。Gen AI は、新しい薬剤の開発を加速することで、分子相互作用をシミュレートし、有効である可能性のある化合物を予測します。これにより、従来の薬剤発見方法に関連する時間とコストが大幅に削減されます。これらの AI パワーのプラットフォームは、潜在的な薬剤候補を生成し、化学構造を最適化することで、概念から臨床試験までのプロセスを迅速化できます。

Gen AI アルゴリズムは、医療画像の精度も向上させ、画像の品質を高め、異常の検出を支援しています。これにより、がんなどの状態の早期診断と治療が可能になり、患者結果が大幅に改善されます。

最後に、Gen AI によって推進される予測分析には、病気の発生、患者再入院、および潜在的な合併症を予測することで、先駆的な潜在力があり、予防的介入と慢性疾患の管理が可能になります。

生成型 AI は、ヘルスケア専門家の退屈なタスクを減らすのにどのように役立ち、患者ケアとイノベーションに重点を置くことができますか?

Gen AI は、ヘルスケア専門家にとって、臨床文書化、予約のスケジュール設定、医療レコードの管理、および保険請求の処理などの退屈なタスクの負担を大幅に軽減できます。ヘルスケア専門家は、患者ケアとイノベーションに集中できます。

たとえば、ヘルスケア専門家は、より安全で一貫したヘルスケア提供のために、電子医療レコード (EMR) に大きく依存していますが、これには、患者履歴と症状の物語的な理解と、EMR の構造化データの提示との間で不断にナビゲートする必要があります。Gen AI は、このギャップを埋め、ヘルスケア専門家の認知負荷を大幅に軽減することで、患者履歴を要約し、手動タスクを自動化します。これにより、よりパーソナライズされた患者ケアのための貴重な時間が解放されます。

臨床意思決定支援システムは、ヘルスケア専門家に、証拠に基づいた推奨事項、警告、およびリマインダーを提供するために AI を活用します。これらのシステムは、患者データと医療文献を分析して、診断と治療計画に役立つ洞察を提供し、臨床結果を向上させ、ヘルスケア提供者の認知負荷を軽減します。

AI を活用したリモート モニタリング技術により、患者は継続的にバイタル サインと健康状態を追跡でき、頻繁な面会の必要性がなくなります。これにより、患者は便利になり、潜在的な健康問題の早期検出が可能になり、慢性疾患の管理が改善されます。

Gen AI は、人間の可能性を高め、ヘルスケア専門家の仕事の満足度を高め、より革新的なケア提供と患者満足度に重点を置くことができます。

Gen AI ソリューションの有効性を最大化し、ヘルスケアの意思決定における信頼性を確保するために、どのような措置を講じることができますか?

品質と信頼性は、ヘルスケア業界全体で重要な議論の対象となっています。Gen AI の急速な成長の中で、これらの問題に重点的に取り組む必要があります。講じられるべき措置の 1 つは次のとおりです。

プライバシーとデータ セキュリティ: 患者プライバシーの確保は不可欠であり、データの徹底的な匿名化と厳格なサイバーセキュリティ対策が必要です。ロブストな暗号化プロトコルとアドバーサリアル攻撃に対する防御メカニズムを実装して、患者データを保護し、臨床医が AI の潜在的なエラーに対する最終的な意思決定権を維持できるようにする必要があります。

品質と公平性の維持: Gen AI システムは、トレーニング データに存在する偏見を無意識のうちに永続させる可能性があり、ヘルスケア結果の不平等につながる可能性があります。偏見を排除できるアルゴリズムを実装し、偏見を検出して軽減するために AI システムを継続的に再トレーニングすることが重要です。

説明責任と透明性: Gen AI ドリブンの意思決定における説明責任には、開発者、ヘルスケア提供者、およびエンドユーザーを含む複数の利害関係者が関与します。説明可能な AI モデルは、情報に基づいた意思決定に不可欠です。開発者は、AI モデルが偏見がないこととセキュリティが確保されていることを保証する必要がありますが、ヘルスケア提供者は、AI の推奨事項を使用して決定を下した場合に責任を負う必要があります。ロブストな規制フレームワークを実装して、責任問題を解決し、信頼を維持することが不可欠です。

倫理フレームワーク: Gen AI のために倫理フレームワークを開発することは、責任を促進することとイノベーションを妨げないことのバランスを取ることです。ヘルスケア関係者は、進化する倫理基準と一致して、Gen AI アプリケーションが公平で責任があり、患者中心であることを保証する必要があります。人間がループに含まれるアプローチと、責任ある AI の実践を組み合わせることで、公平なヘルスケア結果を達成し、Gen AI の潜在力を最大限に引き出すことができます。

プラットフォームベースの品質と信頼性フレームワーク: 既存の品質管理システムに統合され、規制の推奨事項と一致する品質と信頼性フレームワークを構築することは不可欠です。これらのフレームワークは、Gen AI ソリューションを測定、検証、および監視して、一貫した信頼性のある結果を確保する必要があります。

今年の初めに、CitiusTech は、ヘルスケアにおける最初の総合的な Gen AI 品質と信頼性ソリューションを立ち上げました。このソリューションは、これらの要件に対処することで、ヘルスケアにおける Gen AI ソリューションの有効性と信頼性を保証するための包括的な検証、継続的な監視、および規制基準の遵守を提供します。

ヘルスケア組織は、アルゴリズムとトレーニング データの偏見を識別して軽減するために、公平なケアの決定を確保するためにどのような措置を講じることができますか?

ヘルスケア組織は、非常に積極的なアプローチでなければなりません。トレーニング段階で多様で代表的なデータセットを使用することで、AI モデルがさまざまな人口グループでうまく機能することを保証できます。偏見検出ツールを実装することで、AI モデル出力の分析を通じて、治療の推奨や予測における不平等を検出して対処できます。

AI システムの定期的な監査とレビューにより、偏見を識別して修正できます。これには、システムのパフォーマンスをさまざまな人口統計グループで評価し、必要な調整を加えることが含まれます。インクルーシブな設計と開発により、AI ソリューションの設計と開発に多様な利害関係者を含めることで、さまざまな視点が考慮され、偏見の可能性が軽減されます。最後に、AI システムの潜在的な偏見とそれに対処する方法について従業員を教育することは、認識と責任ある AI の使用を促進するために不可欠です。

ヘルスケア組織は、社会的決定要因 (SDOH) のデータをどのようにして患者ケアを改善し、公式の診断コードにこれらのデータを統合する際の課題は何ですか?

SDOH のデータを統合することで、患者ケアが大幅に改善されますが、課題もあります。包括的なデータ収集は不可欠です。社会経済的地位、教育、環境要因などの情報が含まれます。このデータは、患者ヘルスに影響を与える社会的要因に関する洞察を提供します。

SDOH データを効果的に活用するには、データ統合と相互運用性が不可欠です。電子ヘルスレコード (EHR) にデータを統合し、さまざまなシステム間の相互運用性を確保することで、ヘルスケア提供者は患者ヘルスに関する包括的なビューを持ち、パーソナライズされたケア プランを開発できます。たとえば、低所得層の患者や医療サービスへのアクセスが限られている地域に住む患者は、慢性疾患の管理のために追加のサポートが必要になる場合があります。SDOH データを統合することで、ヘルスケア組織は、医療予約へのアクセスを提供したり、栄養支援を提供したりするためのターゲットを絞ったアウトリーチ プログラムを開発できます。

人口ヘルス管理も、SDOH データが重要な役割を果たす分野です。コミュニティ レベルで SDOH データを分析することで、ヘルスケア組織は、公衆衛生戦略に情報を提供する傾向やパターンを特定できます。

しかし、SDOH データを公式の診断コードに統合することは、相互運用性または標準化の問題を引き起こします。現在、SDOH データをコード化するための普遍的に受け入れられたフレームワークはありません。データ品質を確保することも困難です。SDOH データは、精度や完全性のレベルが異なるさまざまなソースから来ることがあります。ヘルスケア組織、政策立案者、およびテクノロジー ベンダーが標準的な慣行を確立し、包括的なデータ統合を確保するために協力することは、これらの障壁を克服するための重要なステップになります。

ヘルスケア組織が直面する主なサイバーセキュリティの課題は何ですか、それらはどのように対処できますか?

今年の初めに、ヘルスケア組織はサイバーセキュリティの脅威に非常に脆弱であることが明らかになりました。データ漏洩とランサムウェアの攻撃は重大な問題であり、ロブストな暗号化、多要素認証、および定期的なセキュリティ監査を実装してこれらの脅威を軽減する必要があります。レガシ システムとソフトウェアの脆弱性はヘルスケア組織で一般的であり、多くの組織はまだ古いシステムを使用しています。ソフトウェアを定期的に更新および修正し、モダンでセキュアなプラットフォームに移行することが不可欠です。

インサイダーによる脅威も、機密データへのアクセス権を持つ従業員によって重大なリスクをもたらします。厳格なアクセス制御を実施し、ユーザー アクティビティを監視し、サイバーセキュリティのトレーニングを提供することで、これらの問題を防ぐことができます。コンプライアンス チームを設立して、定期的なセキュリティ監査とリスク評価を実施し、脆弱性を特定し、規制要件 (HIPAA など) に準拠することが不可欠です。

サイバーセキュリティの脅威から保護するために、IT スタッフとヘルスケア専門家に対する継続的なトレーニングと教育は、非常に重要です。多くの脅威が人間の脆弱性を利用するため、スタッフがサイバーセキュリティのベスト プラクティスについて十分に教育されれば、人間のミスが軽減され、患者データがより安全になります。

ヘルスケア組織は、AI ソリューションの展開において、どのような主要な倫理的考慮事項を念頭に置く必要がありますか。それらは、病院での AI 実装に対する反発にどのように対処することができますか?

これは、ヘルスケア組織が解決しなければならない最も重要な問題の 1 つです。患者プライバシーの保護と機密性は、最優先事項です。AI ソリューションは、厳格なデータ保護規制に従い、ロブストなセキュリティ対策を採用する必要があります。患者は、自分のケアに AI を使用することについて十分に情報を提供され、同意する必要があります。これには、AI がどのように使用されるか、その潜在的な利点とリスクについての説明が含まれます。

偏見と公平性も重要な考慮事項です。AI システムは、トレーニング データに存在する偏見を永続させる可能性がありますが、ヘルスケア組織はこれらの問題を注意深く管理する必要があります。AI システムを継続的に監視して、偏見を特定して修正する必要があります。

AI の使用と AI システムによる決定について透明性と説明責任も不可欠です。AI ドリブンの決定の説明を提供し、AI 推奨事項を使用して決定を下した場合に責任を負うメカニズムを確立する必要があります。

これらすべてを実行することは、ヘルスケア専門家や患者が AI 実装に対して抱く懸念や抵抗に対処するための重要なステップです。しかし、AI 実装とその利点についての教育を提供し、利害関係者を AI 実装プロセスに参加させることも重要です。信頼を築き、AI の使用について明確なコミュニケーションを提供することで、ヘルスケア組織は AI 実装に対する抵抗を克服し、より効果的なヘルスケアを提供できます。

CitiusTech のソリューションは、ヘルスケア組織がさまざまなプラットフォームとアプリケーション全体でシームレスなデータ統合と相互運用性を実現するのをどのように支援できますか?

CitiusTech では、ヘルスケアとライフサイエンス企業向けにデジタル イノベーション、ビジネス変革、業界横断的収束を推進することができます。私たちのソリューションは、さまざまなプラットフォームとアプリケーション全体でシームレスなデータ統合と相互運用性を実現するように設計されています。私たちの高度な統合プラットフォームにより、異なるシステムがコミュニケーションをとり、データを交換できるようになり、患者情報の統一されたビューが可能になります。

たとえば、大手ブルー プランが 100 万人以上の会員を抱えており、会員の請求データと手動でのチャート チェイスに頼るのではなく、臨床データを活用してケアのギャップを閉じることを目指していました。臨床データを効果的に活用できるソリューションを探していた彼らは、CitiusTech を利用して、さまざまな EHR とデータ アグリゲーターからの臨床データをシームレスに統合し、年間 1,000 万ドルの節約を実現しました。

CitiusTech の管理ソリューションは、統合プロセス全体でデータの品質、セキュリティ、およびコンプライアンスを維持します。ヘルスケア データの複雑さに対処するために、包括的なデータ統合と相互運用性、およびさまざまなデータ ソースとプラットフォームの統合を提供します。

最近、CitiusTech は、ヘルスケアにおける最初の総合的な Gen AI 品質と信頼性ソリューションを立ち上げました。このソリューションは、データ統合をさらに強化することで、AI ドリブンの洞察の信頼性、正確性、およびコンプライアンスを確保します。ソリューションは、規制基準の遵守を保証するための包括的な検証、継続的な監視、およびロブストなデータ分析を提供します。これにより、ヘルスケア組織は AI を効果的に活用して、意思決定を改善し、患者結果を向上させることができます。

ヘルスケアとライフサイエンスにおける AI の統合の将来のトレンドを予測すると、CitiusTech はこれらのトレンドに対応するためにどのように準備していますか?

ヘルスケアとライフサイエンスにおける AI の統合は急速に成長しており、予測分析と個別化医療のための AI の使用、自動化による運用の効率化、および医療画像と診断の進歩が業界に大きな影響を与えることになります。

CitiusTech では、これらのトレンドの先頭に立っています。研究開発に継続的に投資して、AI の進歩の最前線に立っています。Gen AI ソリューション、品質と信頼性ツール、および最新のテクノロジーを活用して患者結果と運用の効率性を向上させる他の AI ソリューションを開発しています。また、AI の倫理的かつ公平な使用に重点を置いて、偏見を排除し、透明性と説明責任を維持することにも重点を置いています。AI の最新のトレンドを追跡し、ヘルスケア組織が AI 統合の進化するランドスケープをナビゲートするために最良のリソースを提供することが、私たちのチームにとって不可欠な優先事項です。感謝します。読者がもっと学びたい場合は、CitiusTech を訪問してください。